ota

正好关注了下 AGI 进展，可能楼主才是对的。
现在 AI 发展迅速，根本没人关心大模型怎么调试，什么原理，而是关心哪个应用好用。大模型其实有一个好用就够了。围绕其展开应用，提升人类整体的工作效率，甚至解放劳动，才是全人类追求的。（不管愿不愿意，内卷就是一种追求更高效率的方式，这种追求也可以理解为被动）

就和当年我挖矿，还在搞集群设计，优化存储，降低延迟方面做努力时，资本家直接把机房给收购了，简单粗暴单机独立运行。抢占先机，挖更多的币才是关键。谁管背后的运行原理以及调优的辛苦。dp 也不过是能让大部分人低成本使用，但多少人部署 dp 是为了解决应用层的问题呢？还不是依托自己的硬件优势（本来就是开 idc 的）提供着 chat 型的 ai 呢。这都已经转向 agent 型了，大部分人还在研究大模型调优。

到底谁在固步自封不求上进呢。留一部分天才去弄大模型，大部分人还是要以应用层为中心去发展 ai 的。

一两个人说你配还是不配，不应该左右你的想法，你如果是心智健全的人，就应该明白，我们无法做到让所有人都喜欢。坚持做自己就行了，只需要保持一颗谦虚的心，懂得包容敌对势力，别人说什么话不重要，重要的是他说这话的理由是什么？依据是什么？以及他的阵营是什么？

模型研发和场景落地本来就不存在价值之争。

模型层也不是天选之人，fork 一份，半路出家，即便没看过很多论文，没接触过 api 调优以外的技术细节，干中学，涂涂改改，也能跌跌撞撞出来一个纵深市场。

应用层就相当于千万网红驻扎在 tk ，没有 tk 这个平台，网红也只能扫大街，只能说赶上好时代，除了 tk 还有其他平台，就有认为网红反向供给了平台。

在自己价值评价体系中，人总会去攻击他未曾涉足的领域。如果不懂数学和英语就不能学编程，那么在座的很多半路出家的 coder 都得失业。

但换句话说，AI 只是工具，解决问题的确比研究如何造车更能出成果。但这些人必须不断的解决问题，一旦 api 更换了规则，他们也只能适应。所以到底孰优孰劣，仁者见仁智者见智。

但可以肯定的是，模型层难度比应用层大太多了，类似后端可以吃老本，前端得学一辈子一样的局面。

op 主可以反问质疑者：
"你训练的模型，日均能服务多少真实用户？"

你说的不就是 AGI 吗？

@maximdx 最近对 win 还是 mac ，已经没太多纠结了。主要原因是大部分应用我已经基于浏览器。或者说给个 chromeos flex 都行。续航，轻便，的确是 win 的弱项。所以与其淘汰 win ，还不如说是 linux 系或者 arm 系里哪些系统能做到更轻便，续航更好，显然 mac 现在还是第一阶梯的。
现在除了专业软件，需要用电脑，比如 blender 等，往后都是云端服务后，几乎就没什么软件需要依赖操作系统了。生态统一为移动终端。最终可能是 ios 和 android 的天下。电脑端现在唯一能挣扎的也就剩下专业软件这个赛道了。

本地部署有一定的应用窄度，比如医疗，律师领域等，其次 AGI 的发展，也需要各个企业对模型进行差异化定制。所以本地部署和一般开发者的关系并不大。我个人觉得本地部署，应该是大厂或者说是资本家，以及国家层面的行为。

@jiangbingo 现在从 chat 型转为 agent 型，本地部署的意义就更小了。更多的精力会投放在多步骤的自动化流程上，而非模型本身部署训练上。因为中小型企业是无法负担这部分开支的，api 调用是最完美的开发环境。
本地部署，主要指生产环境，开销太大，基本都是 api 调用，而且现在模型竞争激烈，开源的也就 dp 等。如果接入 gpt 或者 gemini ，你一样需要 api 调用，也无法自主性，而且维护成本高。
只有上了规模的，才有考虑本地部署的价值，也只是考虑。
至少现在我看到的应用，排除大厂，几乎都是 agent 。调用的几乎都是 api 。而且更换 api 接口更灵活。
学会本地部署，提供给其他开发者，举个不恰当的例子，比如黄图，涉政等，本身投放的市场就有限。也没有必要。

第一 mapify 是 xmind 收购的，人家上架半年，就被 xmind 收购了。不是 xmind 的产品，后期他们整合到 xmind 也需要 1 年以上时间。
第二，mapify 是一个 ai agent ，现在有大量的 ai agent 应用出现。这并不是什么特别的话题，这东西你也可以实现。

这问题意义看似不大，实则一点没有，玩笑话，调侃了。回正题。
op 主担心的是，在不知道原理的情况下，我们会成为 AI 的组装工人。也就是最终会成为真正不带引号的码农。
因为不知道原理，只知道这么做可以 run 起来。其实问题并不大。大部分业务都是结果导向。如果不能 run 了，我们会找其他方法实现。直到大家都 run 不起来，才会去研究背后的原理。而对原理的研究，需要逆向学习知识结构，但凡 IQ120 正常人，不太可能看不懂，只是需要时间和精力消化。这对于当前的方法实现被广泛验证（ AI 也是基于已有数据进行输出的，所以和人为验证没太大区别）不需要自己复现是一个道理。没必要当论文来看待运行原理。直接用就行了。个人意见仅供参考。

主要是能自动化进行识别，特别是套壳这块，自动抓包看转发的 api 理论上也是可行的。